买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都锦城学院申请的专利一种基于改进PSO算法的自然语言控制机器人及控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120773067B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511285461.2，技术领域涉及：B25J9/16；该发明授权一种基于改进PSO算法的自然语言控制机器人及控制方法是由杨刘一;罗福强;杨淳清;马磊;向军莲;魏靖雯设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种基于改进PSO算法的自然语言控制机器人及控制方法在说明书摘要公布了：本发明属于自然语言控制机器人技术领域，具体涉及一种基于改进PSO算法的自然语言控制机器人及控制方法，创建自然语言处理模型并训练，通过语言采集模块对环境中的语言进行实时采集，将提取的任务指令输入至自然语言处理模型进行实时自然语言处理；基于自然语言处理结果生成控制指令输送给自然语言控制机器人，自然语言控制机器人执行相应动作的过程中通过改进PSO算法对执行部件运行轨迹进行优化；自然语言控制机器人基于优化后的运行轨迹进行相关动作的执行，同时动作检测模块对机器人的动作进行实时监测，通过改进PSO算法对自然语言控制机器人的执行部件的运行轨迹进行迭代优化。提升了机器人对任务指令理解能力和机器人在任务指令执行的准确性。

本发明授权一种基于改进PSO算法的自然语言控制机器人及控制方法在权利要求书中公布了：1.一种基于改进PSO算法的自然语言控制机器人的控制方法，其特征在于，包括以下步骤： S1：创建自然语言处理模型，并通过由已标注语言数据集和未标注语言数据集组成的训练集对自然语言处理模型进行训练，通过验证集对自然语言处理模型进行验证，判断其是否满足指定的性能指标，若是，执行步骤S2，若否重新对模型进行训练，直至满足指定性能指标； S2：通过语言采集模块对环境中的语言进行实时采集，并通过语言识别模块对采集语言中的任务指令进行识别并提取，并将提取的任务指令输入至自然语言处理模型进行实时自然语言处理； S3：基于实时自然语言处理后的语言数据生成对抗样本集，并将其输入至所述训练集； S4：基于自然语言处理结果生成控制指令，并将所述控制指令输入给自然语言控制机器人，所述自然语言控制机器人基于所述控制指令执行相应动作，在执行相应动作的过程中通过改进PSO算法对自然语言控制机器人的执行部件的运行轨迹进行优化； S5：自然语言控制机器人基于优化后的运行轨迹进行相关动作的执行，同时动作检测模块对机器人的动作进行实时监测，并判断机器人执行部件的实际运行轨迹与控制指令的理论运行轨迹之间的差值是否在预设的误差范围之内，若否，执行步骤S6，若是，继续执行当前控制指令； S6：持续步骤S4通过改进PSO算法对自然语言控制机器人的执行部件的运行轨迹进行迭代优化，直至机器人执行部件的实际运行轨迹与控制指令的理论运行轨迹之间的差值在预设的误差范围之内或者达到预设的迭代次数； 步骤S4中通过改进PSO算法对自然语言控制机器人的执行部件的运行轨迹进行优化的具体过程如下： S41：将自然语言控制机器人的执行部件的运行轨迹优化转化为执行部件的运动学参数补偿，并将待求解的运动学参数转化为高维非线性方程组求解； S42：生成一组粒子运动学参数作为初始粒子种群，包括初始粒子种群中每个粒子的位置、速度和适应度值，并对所述初始粒子种群进行优化； S43：设定局部最优解和全局最优解，所述局部最优解是指每个粒子的最优解，所述全局最优解是指整个粒子种群中的最优解‌； S44：对每个粒子的位置和速度的进行更新； S45：计算每个粒子的适应度值，当当前粒子的适应度值优于其历史最优解，则更新其局部最优解； S46：当某个粒子的适应度值优于当前的全局最优解，则计算整个粒子群的全局最优解，并更新所述全局最优解； S47：迭代执行步骤S43-步骤S46，直至达到最大迭代次数或者相邻两代之间的偏差在预设范围内； 步骤S42中对所述初始粒子种群进行优化的具体过程如下： S421：生成一组个体运动学参数作为初始粒子种群，令所述初始粒子种群为P0，P0={X1，X2，X3，···，XN}，其中的单个种群粒子Xi由历史运动学参数数据获取或者随机生成； S422：定义适应度函数FX，通过适应度函数FX对所述初始粒子种群中的每个粒子进行适应度评估得到每个粒子的适应度值，对于单个种群粒子Xi的适应度值fi的计算公式为：fi=FXi； S423：根据每个单个种群粒子Xi的适应度值，通过选择操作的方式进行粒子筛选，筛选出的指定粒子用于生成下一代； S424：将筛选出的指定粒子进行交叉操作生成新的粒子，所述交叉操作方式为多点交叉； S425：对生成的新的粒子进行变异处理，以指定概率对粒子进行随机变动，并将交叉操作和变异处理后的新粒子加入初始种群中生成下一代种群； 在步骤S44中对每个粒子的位置和速度的进行更新的具体公式如下： v i t+1=w·vit+c1r1pit-xit+c2r2pgt-xit； 其中，vit+1为粒子Xi在t+1次迭代的速度，w为惯性权重，c1和c2为学习因子，r1和r2为随机数，pit为粒子Xi的历史最优位置，pgt是全局最优位置，xit是粒子Xi的当前位置； 在步骤S42后对粒子种群进行进一步处理，包括以下具体步骤： 基于优化后每个粒子的位置建立优化种群，将优化种群中的每个粒子向最优位置的粒子或者随机选择的粒子迭代靠近，并在每个粒子移动后计算该粒子的适应度值，如果粒子的新的位置具有更佳的适应度，则更新当前最优解； 向最优位置的粒子或者随机选择的粒子靠近的位置变更公式为： Xt+1=Xt+rX*-Xt; 其中，Xt表示当前粒子的位置，X*表示最优粒子的位置，r为随机数，是一个介于[-1,1]之间的随机数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都锦城学院，其通讯地址为：610000 四川省成都市高新区西源大道1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。